The Distribution of Realized Exchange Rate Volatility
汇率已实现波动率的分布AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要使用两汇率高频收益构造已实现波动率与相关性，属金融波动率/高频方法应用。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
汇率已实现波动率的分布
- 研究问题
- 摘要关注如何利用高频汇率收益构造日度波动率和相关性的可观测近似，并刻画它们的联合分布。研究既考察无条件与条件分布，也关注同期联系、动态持续性、长记忆以及跨时间尺度聚合的规律。
- 方法与思路
- 摘要使用德国马克和日元兑美元的高频收益，构造覆盖十年的日度已实现波动率与相关性。其思路是在所讨论的一般条件下使测量误差近似可忽略，从而把通常潜在的波动率和相关性作为观测对象分析。
- 材料陈述的贡献
- 摘要报告使波动率分布趋于正态的简单变换、波动率之间较高的同期相关及相关性与波动率之间的高度联系，并发现持久动态和长记忆证据。它还报告时间聚合下精确的尺度规律，系统描述这些变量的联合分布。
- 阅读关注点
- 读原文时，先核对采样频率、收益处理及测量误差近似可忽略的条件。再查正态化变换的具体形式、条件分布如何刻画、长记忆如何识别，以及时间聚合的尺度规律在何种变量与时间范围内成立。 阅读前先备知识：建议先掌握高频收益、方差与相关系数，以及已实现波动率的一般构造直觉。再理解条件分布与无条件分布、潜在变量与测量误差、时间聚合和长记忆，并了解市场微观结构噪声可能影响高频度量。
- 阅读边界
- 以下限制对应原请求所用摘要版本：基于原文摘要，未阅读全文。摘要未提供采样细节、变换公式与长记忆检验方法；“近似无测量误差”依赖其讨论的条件，不能理解为任意频率下都精确观测，也不能把两种汇率的经验分布推广到所有资产。 经AI辅助核对旧与当前摘要内容等价；未另读刊稿全文，不能据此证明整个稿件版本等价。
原文摘要
Using high-frequency data on deutschemark and yen returns against the dollar, we construct model-free estimates of daily exchange rate volatility and correlation that cover an entire decade. Our estimates, termed realized volatilities and correlations, are not only model-free, but also approximately free of measurement error under general conditions, which we discuss in detail. Hence, for practical purposes, we may treat the exchange rate volatilities and correlations as observed rather than latent. We do so, and we characterize their joint distribution, both unconditionally and conditionally. Noteworthy results include a simple normality-inducing volatility transformation, high contemporaneous correlation across volatilities, high correlation between correlation and volatilities, pronounced and persistent dynamics in volatilities and correlations, evidence of long-memory dynamics in volatilities and correlations, and remarkably precise scaling laws under temporal aggregation.